TI - PT - JOURNAL ARTICLE TA - jgs JN - jgs VO - 14 VI - 34 IP - 34 4099 - http://jgs.khu.ac.ir/article-1-2071-fa.html 4100 - http://jgs.khu.ac.ir/article-1-2071-fa.pdf SO - jgs 34 AB  - بارش یکی از اجزای اصلی بیلان منابع آب بوده و پیش بینی آن می‌تواند در مدیریت تامین آب کشاورزی مدیریت منابع آب موجود در مخازن سدها و ... مفید باشد. درخت تصمیم به عنوان یکی از مدل‌های پیش بینی، کارایی زیادی در این زمینه دارد و به تولید قانون می-انجامد. در این پژوهش جهت رسیدن به اهداف از ارزیابی کارایی مدل درخت تصمیم جهت پیش بینی بارش در ایستگاه سینوپتیک کرمانشاه و از الگوریتم CART (Classification And Regression Tree) به عنوان یکی از انواع درختان تصمیم رگرسیونی جهت پیش بینی بارش 30 ماه بعد استفاده شده است. داده‌های مورد استفاده این پژوهش مربوط به آمار ماهیانه بارندگی، تبخیر، رطوبت نسبی، دمای ماکزیمم، دمای متوسط و سرعت باد در دوره آماری(1389- 1349) می‌باشد. سپس جهت ارزیابی درخت‌های ایجاد شده در این پژوهش از معیارهای آماری مختلف استفاده شده است که در نهایت نتایج نشان می‌دهد در ایستگاه سینوپتیک کرمانشاه درخت تصمیم گیری رگرسیونی، مدلی نسبتاً کارا در پیش بینی بارش می‌باشد که استفاده از میانگین متحرّک نسبت به سایر حالات منجر به افزایش چشمگیر کارایی مدل درخت تصمیم می‌شود و در صورت تعدیل دامنه تغییرات داده‌های ورودی قادر است با ضریب اطمینان بالایی میزان بارش را 30 ماه قبل از وقوع برآورد نماید که در شبیه سازی‌های صورت گرفته، زمانی که از میانگین متحرّک پنج ساله داده‌ها برای اجرای مدل استفاده گردیده، ترکیب بارش قبلی، دمای ماکزیمم به عنوان مناسب‌ترین حالت شناسایی شده است. CP - IRAN IN - LG - eng PB - jgs PG - 89 PT - YR - 2014